After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
课程介绍
您已经掌握了监督学习的基础，想在真实数据集上使用最先进的模型吗？梯度提升是当前对各类规模表格数据进行高效建模的热门技术之一。XGBoost 是梯度提升的一个非常快速、可扩展的实现，基于 XGBoost 的模型经常在在线数据科学竞赛中获胜，并在各行业大规模应用。本课程将带您结合 pandas 和 scikit-learn 使用这一强大的库来构建与调优监督学习模型。您将使用真实数据集解决分类与回归问题。
先修要求
课程大纲
课程大纲
1
使用 XGBoost 进行分类
本章将向您介绍 XGBoost 背后的核心思想——提升式学习器。理解 XGBoost 的工作机制后，您将把它应用到业界常见的分类任务：预测某位客户在未来某个时点是否会流失。
2
使用 XGBoost 进行回归
在简要回顾监督回归之后，您将把 XGBoost 应用于回归任务，预测爱荷华州 Ames 的房价。您还将了解 XGBoost 可用作弱学习器的两类基学习器，并回顾如何评估回归模型的质量。
3
微调您的 XGBoost 模型
本章将教您如何最大化提升 XGBoost 模型的表现。您将学习可以调节以改变 XGBoost 行为的各类参数，以及如何高效地调优它们，以显著增强模型性能。
4
在流水线中使用 XGBoost
通过将模型整合进两个端到端的机器学习流水线，进一步提升您的 XGBoost 技能。您将学习如何在流水线中高效调优最重要的 XGBoost 超参数，并初步了解一些更高级的预处理技术。
使用 XGBoost 的极端梯度提升
课程完成
